ブログ

AlphaGo がディープラーニングベースの産業オートメーションについてメーカーに教えるもの

alphaGo and deep learning

2016年の春、世界で最も優れた囲碁棋士の一人 Lee Sedol は、棋戦に挑んでいました。相手は、5回戦マッチで Sedol を完全に打ち負かしたのみでなく、Sedol の能力を最大限に引き出す最高の対局をさせました。

その対局相手とは?Google のディープマインド チームが開発した人工知能コンピュータ AlphaGo (アルファ碁)です。

囲碁は、古代中国の抽象戦争ゲームで、チェスが簡単と思えるほど複雑です。その手数は宇宙の原子よりも多く、囲碁の関係は口を揃えて、最高の棋士と対等に対局し、コンピュータが判断の複雑さを把握できるようになるまでには10年以上かかるだろうと考えていました。

驚いたことに、Lee Sedol が体験したように、コンピュータは囲碁ができるというだけではなく、かなり高レベルで対局できるのです。実際、セドルは最近、AI は「負けられない存在」だと主張して、プロ棋士からの引退を発表しました。

人間の直感を模倣するディープラーニング

AlphaGo はディープラーニングで囲碁の対局を学習しました。まず、コンピュータシステムは、基本的な動き、ルール、戦略を学ぶためにゲームデータを供給し、その後、実際の対局データで自分自身を訓練するディープラーニングアルゴリズムを使用しました。AlphaGo の中核は2つのニューラル ネットワーク (次の手を選択する「ポリシー ネットワーク」と各位置からゲームの勝者を予測する「バリュー ネットワーク」) です。

対局中は、AlphaGo のニューラル ネットワークが作動し、更新され、次の動き、最終的には勝者を予測します。各繰り返し指定子で、システムのパフォーマンスが少しずつ改善され、セルフプレイの品質が向上し、ニューラルネットワークの精度が高まり、最強バージョンの AlphaGo を作り出します。

Sedol は他の偉大なスポーツマン、例えば、テニスの Roger Federer、ゴルフの Tiger Woods、バスケットボールの LeBron James に匹敵します。敗北することとなってしまった AlphaGo との対局は、優れた AI ベースの相手において大負けしたと解釈されていますが、それを人間対機械という見地から考えると、それぞれの動きという面から解釈することができます。そこから見えるものは、人工知能は人間の代わりとなるものではなく、ディープラーニングやニューラルネットワークなどのツールによって人間をサポートするインダストリー オートメーションの未来であるというものです。

第2局では、AlphaGo は37手目で、碁盤の右上に「肩ツキ」と呼ばれる珍しい手を打ちました。この手は、ふつうの対局では見られないため、Sedol が15分間席を外し、自分を落ち着かせる場面がありました。解説者は最初この手を「美しい」、「非常に奇抜な手」と感嘆する一方で、「誤手」かもしれないと捉えましたが、この手が1万分の1のチャンスであり、最終的にゲームに勝つ可能性にコンピュータが賭けた判断であると称賛しました。

第4局の87手目でも同じことが起こりましたが、その時は Lee Sedol がそれ以降「神の手」と呼ばれるようになったコンピュータを困惑させる手を打ちました。AlphaGo は、そのような手、つまり人間による1万回に1回という手を説明できず、事実上手詰まりとなりました。Lee は後に、2局目でコンピュータが予期しない手を打ってきたことで碁盤の見方が変わり、自分でも予期しない手が打てたと語っています。

Christopher Moyer が The Atlantic で以下のように記述しています。「ここで注目すべき重要なことは、DeepMind の AI が学習によって囲碁を征服できることではなく、その延長線で、囲碁より簡単な様々なことが克服できるということです。マシンラーニングにおけるこのような革命的な進歩を応用する方法、つまり人間の創造性と直感を模倣する能力は事実上無限です。」

工場におけるディープラーニング

AlphaGos が人間を相手に勝利する基盤となる技術は、遠い未来の想像ではありません。現在は実現も不可能ではありません。もちろん、今では、自動車、家電、ライフサイエンスなどの業界全体で、ファクトリオートメーションのためのディープラーニングとニューラルネットワークに基づく検査アプリケーションが多く存在しています。部品の欠陥や異常を認識する能力は、工場におけるディープラーニングに最適なアプリケーションです。

また、AlphaGo が新しいデータストリームを使用してパフォーマンスを向上させたのと同様に、ファクトリオートメーションチームは、ディープラーニングと連続データストリームを活用して、部品検査、最終アセンブリチェック、欠陥検出、その他の主要な工場アプリケーションを改善します。人間と AI システムの共存を訓練することで、パフォーマンスが高まり、そうして製造業におけるマシンビジョンが進化します。

AlphaGo によって証明されるように、ディープラーニングは、人間の創造性と意思決定をコンピュータシステムの一貫した信頼性およびスケーラビリティを組み合わせることができます。ディープラーニングは、人間の効率性を高めるツールであり、人間の能力の可能性を広げ高めるツールです。

複雑な製造検査の解決にディープラーニングを活用する方法については、当社の無料の電子ブック:Machine Vision vs Deep Learningをダウンロードしてご覧ください。

他の投稿

AlphaGo がディープラーニングベースの産業オートメーションについてメーカーに教えるもの

alphaGo and deep learning

2016年の春、世界で最も優れた囲碁棋士の一人 Lee Sedol は、棋戦に挑んでいました。相手は、5回戦マッチで Sedol を完全に打ち負かしたのみでなく、Sedol の能力を最大限に引き出す最高の対局をさせました。

その対局相手とは?Google のディープマインド チームが開発した人工知能コンピュータ AlphaGo (アルファ碁)です。

囲碁は、古代中国の抽象戦争ゲームで、チェスが簡単と思えるほど複雑です。その手数は宇宙の原子よりも多く、囲碁の関係は口を揃えて、最高の棋士と対等に対局し、コンピュータが判断の複雑さを把握できるようになるまでには10年以上かかるだろうと考えていました。

驚いたことに、Lee Sedol が体験したように、コンピュータは囲碁ができるというだけではなく、かなり高レベルで対局できるのです。実際、セドルは最近、AI は「負けられない存在」だと主張して、プロ棋士からの引退を発表しました。

人間の直感を模倣するディープラーニング

AlphaGo はディープラーニングで囲碁の対局を学習しました。まず、コンピュータシステムは、基本的な動き、ルール、戦略を学ぶためにゲームデータを供給し、その後、実際の対局データで自分自身を訓練するディープラーニングアルゴリズムを使用しました。AlphaGo の中核は2つのニューラル ネットワーク (次の手を選択する「ポリシー ネットワーク」と各位置からゲームの勝者を予測する「バリュー ネットワーク」) です。

対局中は、AlphaGo のニューラル ネットワークが作動し、更新され、次の動き、最終的には勝者を予測します。各繰り返し指定子で、システムのパフォーマンスが少しずつ改善され、セルフプレイの品質が向上し、ニューラルネットワークの精度が高まり、最強バージョンの AlphaGo を作り出します。

Sedol は他の偉大なスポーツマン、例えば、テニスの Roger Federer、ゴルフの Tiger Woods、バスケットボールの LeBron James に匹敵します。敗北することとなってしまった AlphaGo との対局は、優れた AI ベースの相手において大負けしたと解釈されていますが、それを人間対機械という見地から考えると、それぞれの動きという面から解釈することができます。そこから見えるものは、人工知能は人間の代わりとなるものではなく、ディープラーニングやニューラルネットワークなどのツールによって人間をサポートするインダストリー オートメーションの未来であるというものです。

第2局では、AlphaGo は37手目で、碁盤の右上に「肩ツキ」と呼ばれる珍しい手を打ちました。この手は、ふつうの対局では見られないため、Sedol が15分間席を外し、自分を落ち着かせる場面がありました。解説者は最初この手を「美しい」、「非常に奇抜な手」と感嘆する一方で、「誤手」かもしれないと捉えましたが、この手が1万分の1のチャンスであり、最終的にゲームに勝つ可能性にコンピュータが賭けた判断であると称賛しました。

第4局の87手目でも同じことが起こりましたが、その時は Lee Sedol がそれ以降「神の手」と呼ばれるようになったコンピュータを困惑させる手を打ちました。AlphaGo は、そのような手、つまり人間による1万回に1回という手を説明できず、事実上手詰まりとなりました。Lee は後に、2局目でコンピュータが予期しない手を打ってきたことで碁盤の見方が変わり、自分でも予期しない手が打てたと語っています。

Christopher Moyer が The Atlantic で以下のように記述しています。「ここで注目すべき重要なことは、DeepMind の AI が学習によって囲碁を征服できることではなく、その延長線で、囲碁より簡単な様々なことが克服できるということです。マシンラーニングにおけるこのような革命的な進歩を応用する方法、つまり人間の創造性と直感を模倣する能力は事実上無限です。」

工場におけるディープラーニング

AlphaGos が人間を相手に勝利する基盤となる技術は、遠い未来の想像ではありません。現在は実現も不可能ではありません。もちろん、今では、自動車、家電、ライフサイエンスなどの業界全体で、ファクトリオートメーションのためのディープラーニングとニューラルネットワークに基づく検査アプリケーションが多く存在しています。部品の欠陥や異常を認識する能力は、工場におけるディープラーニングに最適なアプリケーションです。

また、AlphaGo が新しいデータストリームを使用してパフォーマンスを向上させたのと同様に、ファクトリオートメーションチームは、ディープラーニングと連続データストリームを活用して、部品検査、最終アセンブリチェック、欠陥検出、その他の主要な工場アプリケーションを改善します。人間と AI システムの共存を訓練することで、パフォーマンスが高まり、そうして製造業におけるマシンビジョンが進化します。

AlphaGo によって証明されるように、ディープラーニングは、人間の創造性と意思決定をコンピュータシステムの一貫した信頼性およびスケーラビリティを組み合わせることができます。ディープラーニングは、人間の効率性を高めるツールであり、人間の能力の可能性を広げ高めるツールです。

複雑な製造検査の解決にディープラーニングを活用する方法については、当社の無料の電子ブック:Machine Vision vs Deep Learningをダウンロードしてご覧ください。

他の投稿

製品のサポートやトレーニングなどの詳細を見る

マイコグネックスに参加

お気軽にお問合せください

Cognex は世界中でお客様のビジョンと工業用バーコドリーダのあらゆるニーズをサポートしています。

お問合わせ
Loading...